什么是水模型
分子模拟中的水模型是一种用于描述水分子及其相互作用的简化数学表示。它并非对真实水分子的量子力学级别的完整复现，而是一种旨在以可接受的计算成本，准确再现水在宏观和微观尺度上各种物理化学性质的经验势能函数。
其核心构建于一个势能函数之上，该函数通常包含两个主要部分：
静电相互作用（Electrostatic Interactions）：这部分通常通过在分子上设置若干个点电荷来模拟水分子固有的高极性。这些电荷的位置和数值是模型的核心参数，用库仑定律来计算分子间的静电力。
范德华相互作用（van der Waals Interactions）：这部分描述了分子间的短程排斥和长程吸引力，通常采用Lennard-Jones（LJ）势来表示。LJ势通过两个参数——势阱深度（ε）和零势能对应的距离（σ）——来定义。
此外，水模型在几何构型上可分为刚性（rigid）和柔性（flexible）两种。刚性模型将水分子的键长和键角固定，以简化计算；而柔性模型则允许这些内部坐标变化，能更真实地反映分子振动。这些模型的参数，如电荷大小、LJ参数、几何结构等，都是通过拟合大量实验数据（如水的密度、蒸发焓、扩散系数、径向分布函数等）进行优化的，这一过程称为参数化。
水模型的作用
水模型在分子模拟中的作用是基础性且不可或缺的，主要体现在以下几个方面：
1、水模型是研究纯水宏观性质的理论工具。
通过分子动力学（MD）或蒙特卡洛（MC）模拟，研究者可以利用水模型预测和解释水的各种热力学、结构和动力学性质，例如著名的密度异常现象、介电常数、黏度以及氢键网络结构等。
2、其水模型在生物大分子模拟中扮演着至关重要的溶剂角色。
蛋白质的折叠、核酸的结构稳定性、药物分子与靶点的结合等过程，都发生在水环境中。显式溶剂模型（Explicit Solvent Models）能够细致地刻画水分子与溶质之间的氢键、静电屏蔽和疏水效应，这些都是决定生物过程成败的关键因素。由于生物体系模拟尺度巨大，计算效率高的水模型（如TIP3P）因此得到了广泛应用。
3、水模型被用于研究水在特殊环境下的行为，例如在纳米通道中的输运、在固体表面的润湿现象，或是在极端温度和压力下的相变。
在这些复杂界面或受限体系中，水的行为与体相中截然不同，选择能够准确描述这些特定场景下水分子行为的模型至关重要。因此，水模型是连接微观分子作用与宏观可观测现象的桥梁，是计算化学与物理领域的核心研究工具。
图1 DOI: 10.1002/wcms.1347
水模型的分类
水模型的种类繁多，反映了在模拟精度和计算效率之间不断权衡的努力。可以从作用位点数量和物理特性两个维度对其进行分类。
1、基于作用位点数量的分类
这是最经典的分类方法，根据模型中用于计算相互作用的“点”的数量来划分。
三点模型（3-site models）：这是最简洁的一类模型，如SPC（Simple Point Charge）、SPC/E（Extended SPC）和TIP3P。它们在三个原子核位置上设置点电荷，并在氧原子上设置一个LJ作用中心。这类模型计算速度快，被广泛用于大规模生物分子模拟，但对某些性质（如偶极矩和相图）的描述不够精确。SPC/E通过增加一个“扩展”校正项，改善了对水密度的预测。
四点模型（4-site models）：为了更准确地描述水分子电荷分布的四面体特征，四点模型（如TIP4P及其变体TIP4P-Ew、TIP4P/2005）引入了一个不带质量的虚拟位点（M-site）。该位点位于H-O-H角的平分线上，承载负电荷，而氧原子仅作为LJ中心。这种设计显著改善了对水相图、密度最大值温度等性质的模拟精度。其中，TIP4P/2005被认为是目前综合表现最好的非极化刚性水模型之一。
五点模型（5-site models）：以TIP5P为代表，这类模型在氧原子附近增加了两个虚拟位点来模拟孤对电子，从而形成更完美的四面体电荷分布。TIP5P在重现水的密度异常方面取得了巨大成功，但在其他一些性质（如介电常数）的预测上表现不如顶级的四点模型。
图2 DOI: 10.1021/acsomega.0c02638
2、基于模型物理特性的分类
非极化与可极化模型（Non-polarizable vs. Polarizable Models）：上述经典的SPC和TIP系列都属于非极化模型，其点电荷是固定的。然而，真实水分子在电场中其电子云会发生变形，即产生诱导偶极。可极化模型（如uAMOEBA、PPC等）通过引入诱导偶极、Drude振子或浮动电荷等机制来模拟这一效应。这使得它们在模拟非均相环境（如气液界面、离子溶液）时更为准确，但计算成本也急剧增加，通常比非极化模型慢一个数量级以上。
新兴与前沿模型：近年来，随着计算能力的提升，新的模型和方法不断涌现。例如，粗粒化模型（Coarse-grained models）将多个水分子合并成一个作用位点，用于模拟更大时空尺度的过程。此外，基于机器学习（ML）和人工智能（ANN）的势函数正成为研究热点。这类模型通过学习大量量子化学计算数据来构建势能面，有望在保持接近量子力学精度的同时，大幅提升计算速度，为水模型的发展开辟了全新路径。
总结
